Interações medicamentosas, incluindo interações medicamentosas (DDIs) e interações medicamentosas constituintes de alimentos (DFIs), pode desencadear efeitos farmacológicos inesperados, incluindo eventos adversos a medicamentos (ADEs), com mecanismos causais frequentemente desconhecidos. Contudo, os métodos de previsão atuais não fornecem detalhes suficientes além da chance de ocorrência de DDI, ou exigem informações detalhadas sobre medicamentos, muitas vezes indisponíveis para previsão de DDI.

Para resolver este problema, Dr. Jae Yong Ryu, Professor Assistente Hyun Uk Kim e Distinto Professor Sang Yup Lee, todos do Departamento de Engenharia Química e Biomolecular do Instituto Avançado de Ciência e Tecnologia da Coreia (KAIST), desenvolveu uma estrutura computacional, chamado DeepDDI, que prevê com precisão 86 tipos de DDI para um determinado par de drogas. Os resultados da pesquisa foram publicados online em Proceedings of the National Academy of Sciences ( PNAS ) em 16 de abril, 2018, que é intitulado "Aprendizado profundo melhora a previsão de interações entre drogas e alimentos".

DeepDDI leva informações estruturais e nomes de duas drogas em pares como entradas, e prevê tipos de DDI relevantes para o par de drogas de entrada. DeepDDI usa rede neural profunda para prever 86 tipos de DDI com uma precisão média de 92,4% usando o conjunto de dados DDI padrão ouro DrugBank cobrindo 192, 284 DDIs contribuídos por 191, 878 pares de drogas. Muito importante, Os tipos de DDI previstos pelo DeepDDI são gerados na forma de frases legíveis por humanos como saídas, que descrevem mudanças nos efeitos farmacológicos e / ou o risco de ADEs como resultado da interação entre dois medicamentos em pares. Por exemplo, As sentenças de saída do DeepDDI descrevendo potenciais interações entre oxicodona (analgésico opioide) e atazanavir (medicamento antirretroviral) foram geradas da seguinte forma:"O metabolismo da oxicodona pode ser diminuído quando combinado com o Atazanavir"; e “O risco ou a gravidade dos efeitos adversos podem ser aumentados quando a oxicodona é combinada com o atazanavir”. Fazendo isso, O DeepDDI pode fornecer informações mais específicas sobre as interações medicamentosas além da chance de ocorrência de DDIs ou ADEs normalmente relatados até o momento.

DeepDDI foi usado pela primeira vez para prever os tipos de DDI de 2, 329, 561 pares de drogas de todas as combinações possíveis de 2, 159 medicamentos aprovados, a partir do qual DDI tipos de 487, 632 pares de drogas foram recentemente previstos. Também, O DeepDDI pode ser usado para sugerir qual medicamento ou alimento evitar durante a medicação, a fim de minimizar a chance de eventos adversos do medicamento ou otimizar a eficácia do medicamento. Para este fim, DeepDDI foi usado para sugerir potenciais mecanismos causais para os ADEs relatados de 9, 284 pares de drogas, e também prever candidatos a medicamentos alternativos para 62, 707 pares de drogas com efeitos negativos para a saúde para manter apenas os efeitos benéficos. Além disso, DeepDDI foi aplicado a 3, 288, 157 pares de constituintes de alimento-droga (2, 159 medicamentos aprovados e 1, 523 constituintes alimentares bem caracterizados) para prever DFIs. Os efeitos de 256 constituintes alimentares sobre os efeitos farmacológicos da interação de drogas e bioatividades de 149 constituintes alimentares também foram finalmente previstos. Todos esses resultados de previsão podem ser úteis se um indivíduo estiver tomando medicamentos para uma doença específica (crônica), como hipertensão ou diabetes mellitus tipo 2.

O ilustre professor Sang Yup Lee disse:"Desenvolvemos uma plataforma de tecnologia DeepDDI que permitirá a medicina de precisão na era da Quarta Revolução Industrial. O DeepDDI pode servir para fornecer informações importantes sobre a prescrição de medicamentos e sugestões dietéticas ao tomar certos medicamentos para maximizar os benefícios à saúde e, em última análise, ajudar a manter uma vida saudável em esta sociedade envelhecida. "